Os dados obtidos pelas entrevistas foram transcritos literalmente e submetidos à análise lexical por meio do software ALCESTE (Camargo, 2005) e Análise de Conteúdo (Bardin, 2004). Os dados provenientes da questão de evocação foram quantificados, para obtenção da freqüência das palavras, e calculada a média da ordem de evocação, por meio da atribuição do valor de referência (1 para a 1ª evocação, 2 para a 2ª evocação e 3 para a 3ª evocação) e divisão pelo número de ocorrências.
O segundo conjunto de dados, proveniente dos questionários, foram submetidos à estatística descritiva, procedendo-se ao levantamento da freqüência de ocorrência e proporção das práticas de Cuidado Humanizado dos profissionais.
3
Agradecemos as alunas de graduação em Psicologia da UFES, bolsistas - Paula Ribeiro Orrico
(PIBIC/FAPES) e Sara Bertolini Depizzol (PIBIC/FACITEC) - pelo auxílio na coleta e processamento dos dados.
Por fim, os dados observacionais também foram submetidos a uma análise descritiva, e subsidiaram as análises dos dados das entrevistas e dos questionários, ampliando e enriquecendo sua interpretação (Flick, 2004).
2.4.2.1 Alceste
A análise quantitativa dos dados foi realizada por meio do software ALCESTE que realiza uma análise lexical de dados textuais, efetuando cálculos sobre a co- ocorrência de palavras num conjunto de texto (Camargo, 2005; Nascimento & Menandro, 2006). Este programa realiza uma primeira classificação estatística de enunciados simples do corpus (conjunto de texto) estudado, por meio da distribuição das palavras dentro deste, apreendendo as que lhe são mais características (Cortez, 2006).
O ALCESTE efetua um análise em quatro etapas, descritas por Nascimento (2005):
A. Leitura do texto e cálculo dos dicionários:
a. Reformatação e divisão do texto em segmentos (Unidades de Contexto Elementar – UCEs);
b. Pesquisa do vocabulário e redução das palavras com base em suas raízes (por exemplo: a forma reduzida humaniza+ é representada pelas palavras plenas humanização, humanizar, humanizado(a), e
humaniza); e
c. Criação de um dicionário de formas reduzidas. B. Cálculo das matrizes de dados e classificação das UCEs:
a. Seleção das UCEs a serem consideradas e cálculo da matriz de formas reduzidas versus UCE;
b. Cálculo das matrizes de dados para Classificação Hierárquica Descendente (CHD); e
c. Classificação Hierárquica Descendente (CHD): cálculo das divisões em classes lexicais e apresentação de suas oposições sob a forma de um dendograma (representação gráfica no formato de uma árvore). C. Descrição das classes das UCEs escolhidas:
a. Definição das classes de UCEs; b. Descrição das classes; e
c. Análise Fatorial de Correspondência (AFC): representação das relações entre as classes e entre as formas reduzidas em um plano fatorial.
D. Cálculos complementares:
a. Seleção das UCEs mais características de cada classe; b. Pesquisa dos seguimentos repetidos por classe;
c. Classificação Hierárquica Ascendente (CHA): Construção de uma matriz a partir da contraposição entre as formas associadas de uma mesma classe e a UCE da classe associada, e de representações gráficas arborescentes destas relações;
d. Seleção de palavras mais características das classes para apresentação em uma listagem de contexto de ocorrência; e
e. Exportação para outros programas informáticos.
As UCEs são frases dimensionadas pelo programa em função do tamanho do texto, pontuação e ordem de aparição. São nelas que o programa se baseia para operar a classificação do corpus a ser analisado. Como exemplo, a seguir, destacam-se duas UCEs identificadas pelo Alceste, retiradas do relatório gerado com as entrevistas deste
estudo. O primeiro número refere-se à linha em que a UCE encontra-se no corpus analisado, e o segundo corresponde ao qui-quadrado (X2), que indica a força de relação da Unidade com a classe. As palavras assinaladas com # são as mais fortemente relacionadas à classe.
215 48 entao assim, medico, fonoaudiologo, #fisioterapeuta, #psicologo porque e #uma #equipe que tem que trabalhar em #conjunto para #uma melhor #qualidade_de_vida #daquele #paciente. ja #vi um pouco. #vi assim no #pronto_socorro que eles estao #fazendo um trabalho de #humanizacao da #seguinte #forma, de estar colocando a familia mais ciente, fazer um trabalho mais #humanizado junto-a familia.
1233 25 E eu acho que e a familia que esta em #torno dessa #humanizacao, ela tem que estar envolvida. eu acho que e em #relacao #ao #envolvimento e o #compromisso com a familia.
As classes são obtidas a partir da Classificação Hierárquica Descendente (CHD), sendo compostas por UCEs específicas de acordo com seu vocabulário, correspondendo, assim, a uma temática do corpus analisado. O Alceste organiza as classes e suas distribuições, além das relações entre as mesmas, sob a forma de um dendrograma.
O corpus analisado foi composto pelas entrevistas realizadas com os profissionais de saúde (n=29) divididas em 3 partes, referentes às temáticas investigadas (Concepções de Humanização, Concepções sobre o Bebê e Práticas de Cuidado), totalizando 87 Unidades de Contexto Inicial (UCIs). Estas UCIs foram separadas por linhas de comando ou “linhas com asterisco” que informavam a identificação do participante, e algumas variáveis importantes ao delineamento da pesquisa, tais como o hospital onde o profissional trabalha, idade, cargo, tempo de atuação em UTIN e temática investigada.
Além da divisão do texto em UCIs, outras reformatações foram realizadas de acordo com as regras determinadas pelo programa, para que o corpus pudesse ser rodado4. Buscando alcançar uma maior assertividade na análise desse corpus, foram suprimidas repetições de palavras (por exemplo: “é o tocar né, o tocar” foi corrigido para “é o tocar”) e vícios de linguagem (por exemplo: né e tipo assim). Além disso, expressões de interesse para análise foram formatadas como palavras compostas unidas por um traço baixo (por exemplo: aleitamento_materno, cuidado_humanizado, mãe_canguru, manuseio_mínimo, procedimento_doloroso).
Em conjunto com a análise do ALCESTE foi realizada uma Análise de Conteúdo (Bardin, 2004), como uma forma complementar de tratamento dos dados, buscando realizar uma análise mais compreensiva do discurso a partir do mapeamento inicial do corpus, realizada pelo software. Essa análise conjugada é apontada como muito interessante, na medida em que se torna possível aliar a análise estatística do vocabulário de um discurso à análise de seus significados (Nascimento & Menandro, 2006).
2.4.2.2 Análise de Conteúdo
A Análise de Conteúdo é definida como “um conjunto de técnicas de análise das comunicações” (Bardin, 2004, p.27), com as quais se busca ir além dos significados, buscando uma melhor compreensão de um discurso por meio da investigação das condições de sua produção. Essa análise se processa em três fases (Ferreira, 2000):
4
Para que os dados pudessem ser rodados pelo software corretamente, as entrevistas foram colocadas no formato de corpus de texto de acordo com as regras exigidas pelo ALCESTE, tais como: formato e tamanho da letra (corrier new, 10), espaçamento simples entre linhas, correção de erros de digitação, supressão de alguns sinais (aspas, apóstrofes, cifrões, sinal de porcentagem e asteriscos), dentre outros.
a) Pré-análise: momento de organização do material, com a escolha dos documentos a serem analisados, formulação de hipóteses e elaboração de indicadores para a fase de interpretação. Tudo isso, a partir do contato inicial com o texto por meio de “leituras flutuantes” (Bardin, 2004, p.90).
b) Exploração do material: momento de codificação, que compreende a escolha das unidades de registro, seleção de regras de contagem, e escolha de categorias.
c) Tratamento dos resultados: a partir da categorização, o analista poderá propor inferências que se referem ao estudo do vocabulário e das significações das mensagens; e, ainda, interpretações que remetem ao estudo do significado do discurso em profundidade.